AIM:用于点击率预测的自动交互机
信息检索
2021-12-14 v2
摘要
特征嵌入学习与特征交互建模是点击率(CTR)预测深度模型的两个关键组成部分。大多数现有深度 CTR 模型存在以下三个问题。第一,特征交互要么人工设计要么简单枚举。第二,所有特征交互都用相同的交互函数建模。第三,在大多数现有模型中,不同特征共享相同的嵌入维度,导致存储效率低下。为解决上述三个问题,我们提出自动交互机(AIM),其包含三个核心组件,即特征交互搜索(FIS)、交互函数搜索(IFS)和嵌入维度搜索(EDS),以在统一框架中自动选择显著特征交互、合适交互函数及必要嵌入维度。具体而言,FIS 组件自动识别不同阶的重要特征交互并剪枝无用交互;IFS 组件以可学习方式为每个单独特征交互选择合适交互函数;EDS 组件自动为每个特征搜索合适嵌入大小。在三个大规模数据集上的离线实验验证了 AIM 的优越性能。在某主流应用市场的推荐服务中进行的为期三周的在线 A/B 测试表明,AIM 在 CTR 方面比 DeepFM 模型提升 4.4%。
引用
@article{arxiv.2111.03318,
title = {AIM: Automatic Interaction Machine for Click-Through Rate Prediction},
author = {Chenxu Zhu and Bo Chen and Weinan Zhang and Jincai Lai and Ruiming Tang and Xiuqiang He and Zhenguo Li and Yong Yu},
journal= {arXiv preprint arXiv:2111.03318},
year = {2021}
}
备注
Accepted by IEEE Transactions on Knowledge and Data Engineering (TKDE), the codes are availiable at https://github.com/zhuchenxv/AIM. arXiv admin note: text overlap with arXiv:2003.11235